CN109801343B - 基于重建前后图像的环形伪影校正方法、ct控制系统 - Google Patents
基于重建前后图像的环形伪影校正方法、ct控制系统 Download PDFInfo
- Publication number
- CN109801343B CN109801343B CN201811538073.0A CN201811538073A CN109801343B CN 109801343 B CN109801343 B CN 109801343B CN 201811538073 A CN201811538073 A CN 201811538073A CN 109801343 B CN109801343 B CN 109801343B
- Authority
- CN
- China
- Prior art keywords
- image
- correction
- vector
- sinogram
- average
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012937 correction Methods 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 57
- 239000013598 vector Substances 0.000 claims abstract description 71
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 238000013170 computed tomography imaging Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 230000002950 deficient Effects 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 229920006395 saturated elastomer Polymers 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 230000000087 stabilizing effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims 1
- 238000001228 spectrum Methods 0.000 abstract description 11
- 238000004422 calculation algorithm Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 3
- 230000007547 defect Effects 0.000 abstract 1
- 238000002591 computed tomography Methods 0.000 description 34
- 230000009466 transformation Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000009499 grossing Methods 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003711 image thresholding Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003068 molecular probe Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明属于影像处理技术领域，公开了一种基于重建前后图像的环形伪影校正方法、CT控制系统；通过对投影数据进行预处理；计算沿正弦图中所有视角的每个探测器元素的平均值得到一维校正矢量与正弦图在所有视角上逐行相乘；计算沿正弦图中每个角度的平均值得到一维校正向量与正弦图逐列相乘；对重建后原始CT图像与获得的校正CT图像之间的差异图像应用高斯滤波；滤波后的差异图像被添加到校正的CT图像实现对比度补偿。本发明根据所使用的基于光子计数探测器的能谱CT系统所存在的信号不稳定的缺陷，引入多步算法，更适合能谱CT图像数据的图像特点并使图像环形伪影得到了很大的改善。
Description
技术领域
本发明属于影像处理技术领域，尤其涉及一种基于重建前后图像的环形伪影校正方法、CT控制系统。
背景技术
目前，业内常用的现有技术是这样的：环形伪影通常出现在计算机断层扫描(CT)系统采集的图像中并以同心圆的形式存在，严重降低了获得的图像质量。环形伪影可能由多种原因导致，其中包括存在缺陷的探测器像素、像素的非线性响应、探测器增益的不一致性、探测器和X射线源的结构模式、随时间和温度条件的系统性变化等因素。
关于环形伪影校正方法已有大量的研究，可以在正弦域和CT图像域上进行环状伪影校正。在正弦域中，像素之间响应的不一致性表现为竖条纹，各个角度间整个探测器的响应的不一致性表现为横条纹，这些条纹的存在会直接造成重建后的环形伪影，影响图像的质量。因此大多数正弦图像阈方法估计利用正弦图中的条纹的不均匀性，此方法对环状伪影有不错的抑制效果，但是校正不彻底，并且容易带来新的伪影。在重建后的图像域中用到了坐标变换，无论是从极坐标系转换到直角坐标系，还是其逆变换，其中都要用到插值运算，插值算法本身就是通过周围数据估算的不准确数据，这样不仅在坐标变换上就已经导致了两次丢失原始图像信息的情况，图像分辨率必然会下降。如果在极坐标中平滑滤波时采用滤波模板，也会对所要校正的环形伪影个数有一定的局限性。关于锥束CT二维投影图像上的环形伪影校正方法很少。近期也有研究者利用重建前后图像的环形伪影校正方法，采用两步的方法进行环形伪影的校正，因为光子计数型探测器由于工艺的不成熟性，会导致像素间相应不一致性更加明显，每个角度间整个探测器的相应特性不平稳，在正弦域中存在大量的竖条纹的基础上又存在大量的横条纹，严重影响了重建后图片的质量。此种方法对于基于光子计数探测器的能谱CT效果欠佳。
综上所述，现有技术存在的问题是：
(1)在正弦域中，不均匀性表现为条纹，因此大多数正弦图像阈方法估计利用正弦图中的条纹的不均匀性。
(2)利用重建前后图像的环形伪影校正方法，采用两步的方法进行环形伪影的校正，对于基于光子计数探测器的能谱CT效果欠佳。
解决上述技术问题的难度和意义：如果在正弦域中进行校正，由于光子计数型探测器各个角度间整个探测器的响应的不一致性所表现出来的大量横条纹，不能针对光子计数型探测器的能谱CT图像得到很好的改善，并且此种方法校正不彻底，并且容易带来新的伪影。如果在重建后的图像域中用到了坐标变换，无论是从极坐标系转换到直角坐标系，还是其逆变换，其中都要用到插值运算，插值算法本身就是通过周围数据估算的不准确数据，这样不仅在坐标变换上就已经导致了两次丢失原始图像信息的情况，图像分辨率必然会下降。如果在极坐标中平滑滤波时采用滤波模板，也会对所要校正的环形伪影个数有一定的局限性。因此，如果能够结合重建前的正弦域图像和重建后的图像域图像的特点，再结合光子计数型探测器所存在的特征，设计出一种能够有效的基于光子计数型的能谱CT的环形伪影校正方法，也能推动基于光子计数型探测器的能谱CT的发展和应用。
发明内容
针对现有技术存在的问题，本发明提供了一种基于重建前后图像的环形伪影校正方法、CT控制系统。
本发明是这样实现的，一种基于重建前后图像的环形伪影校正方法，所述基于重建前后图像的环形伪影校正方法包括：
步骤一，对投影数据进行预处理，纠正投影域中值接近零或饱和的缺陷像素，平稳投影域中由于光子计数探测器的每一个小探测器间的相应不一致性所造成的信号浮动，去除光子计数探测器的每一个小探测器间间存在的高亮缝隙；
步骤二，对于对应于一个切片的单行检测器，计算沿正弦图中视角的每个探测器元素的平均值，以获得一维平均向量，通过取平均向量的逆来计算一维校正向量，并将校正矢量与正弦图在所有视角上逐行相乘；根据探测器相应的不稳定性，计算沿正弦图中每个角度的所有行探测器元素平均值，获得一个一维平均向量，然后通过取平均向量的逆也计算一个一维校正向量，并将校正矢量与正弦图逐列相乘；
步骤三，对原始CT图像与上一步获得的校正CT图像之间的差异图像应用高斯滤波，使用沿行方向的中值滤波器对差异图进行模糊；滤波后的差异图像被添加到校正的CT图像以补偿由于正弦图中的对比度变化出现的可能的对比度异常。
进一步，对投影图像进行特殊的预处理包括：
(1)对采集到的投影图像进行有效区域裁剪，仿体实验中采取663×256裁剪大小；
(2)对裁剪后的投影数据进行暗场校正和空场校正；
(3)对暗场校正和空场校正后的投影数据进行坏点坏线校正；
(4)对高亮缝隙进行补偿，利用图像高亮缝隙的右侧一列像素的非正常特性，采取右2补偿右1，高亮像素由左1和右1取平均来补偿；图像数据为I0，处理后的图像数据为Ie，则对于缝隙t处的校正方法如下公式：
I'e(t+1,:)＝I0(t+2,:)；
Ie(t,:)＝(Ie(t-1,:)+Ie(t+1,:))*0.5；
(5)对每个小块间的相应不一致性所导致的块与块之间的偏差采取整流的方法进行补偿，利用空场校正的思想对每一个小模块取平均值，每个小模块中的所有像素除以自身小模块的平均值，再乘整张图片的平均值以达到整流的效果。具体实现方法如下公式，其中:第t小块，m:第t小块的所有像素的平均值，M：整张人图片中所有像素的平均值：
Iz＝I(t)/m*M；
(6)对各个图片间存在的相应不一致性，将校正方法融入到环形伪影校正中，通过在正弦域的图像数据中，计算沿正弦图中每个角度的所有行探测器元素平均值，也获得一个一维平均向量，然后通过取平均向量的逆也计算一个一维校正向量，并将校正矢量与正弦图逐列相乘消除角度间图片的相应不一致造成的偏差，再利用后期的对比度补偿来补偿由于平均后所造成的对比度损失。
进一步，利用分步的方法分别在正弦域和重建后的图像域分别进行处理，在正弦域进行半校正处理，在重建后的图像域进行对比度补偿。
进一步，在正弦域中对于对应于一个切片的单行检测器，计算沿正弦图中视角的每个探测器元素的平均值，以获得一维平均向量，然后通过取平均向量的逆来计算一维校正向量，并将校正矢量与正弦图在所有视角上逐行相乘；根据探测器相应的不稳定性，计算沿正弦图中每个角度的所有行探测器元素平均值，也获得一个一维平均向量，然后通过取平均向量的逆也计算一个一维校正向量，并将校正矢量与正弦图逐列相乘。
进一步，在正弦图域中，X射线探测器逐行2D进行校正，在探测器的第j行处，通过在不同视角处从每个投影图像采取相同的行来制作正弦图Sj(i,k)＝S’(i,j,k)k＝1,2,3...其中S’是坏点坏线校正后的投影图像；然后，在所有视角上计算第i个像素处的平均值以获得1D平均矢量Mj；在所有视角上计算第i个像素处的平均值以获得1D平均矢量：
校正向量Mj',Mk'如下：
经过校正投影域数据：
在所有列上计算第k个角度处的平均值以获得1D平均矢量，并计算校正向量对进行校正；
进一步，对重建后的图像进行差分图的计算，选择高斯滤波器以平滑差分图像，高斯滤波器大小为15×15，标准偏差为10个像素，具体实现方法如下:
D＝D1-D2；
以平滑差高斯滤波差分图像和半校正图像的总和得到最终图像：
本发明的另一目的在于提供一种包含所述基于重建前后图像的环形伪影校正方法的锥束CT成像平台。
本发明的另一目的在于提供一种包含所述基于重建前后图像的环形伪影校正方法的扇束CT成像平台。
本发明的另一目的在于提供一种包含所述基于重建前后图像的环形伪影校正方法的平行束CT成像平台。
综上所述，本发明的优点及积极效果为：能够在正弦域校正大量的横竖条纹(如附图5和附图7)，在重建后的CT图像域完成对比度补偿，校正了大量的环形伪影(如附图5和附图7)。本发明能够有效去除大量环形伪影，适用范围广，可以直接适用于现有的普通CT、能谱CT等，能够为后续利用CT图像研究小动物结构及一些分子探针在小动物体内代谢过程、研究材料的内部结构提供更为精确的结构信息。
附图说明
图1是本发明实施例提供的基于重建前后图像的环形伪影校正方法流程图。
图2是本发明实施例提供的整个预处理和环形伪影校正的流程图。
图3是本发明实施例提供的预处理后环形伪影校正前的重建后CT图像切片图像示意图。
图4是本发明实施例提供的预处理后环形伪影校正前的正弦域图像示意图。
图5是本发明实施例提供的在正弦域进行行校正后的正弦域图像示意图。
图6是本发明实施例提供的在正弦域进行列校正后的正弦域图像示意图。
图7是本发明实施例提供的正弦域校正前和正弦域校正后在重建后切片的CT图像示意图。
图8是本发明实施例提供的正弦域校正后与校正前在重建后切片的CT图像差值的示意图，和对差值示意图进行滤波后的图像示意图。
图9是本发明实施例提供的能谱CT基于重建前后图像的环形伪影校正方法校正后的重建后切片CT图像示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明利用基于光子计数探测器的能谱CT系统所存在的特点，对现有技术进行改进，得到了很好的环形伪影校正结果。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示，本发明实施例提供的基于重建前后图像的环形伪影校正方法包括以下步骤：
S101：对投影数据进行预处理，纠正投影域中值接近零或饱和的缺陷像素，平稳投影域中由于光子技术探测器的每一个小探测器间的相应不一致性所造成的信号浮动，去除光子技术探测器的每一个小探测器间间存在的高亮缝隙；
S102：计算沿正弦图中所有视角的每个探测器元素的平均值得到一维校正矢量与正弦图在所有视角上逐行相乘；计算沿正弦图中每个角度的平均值得到一维校正向量与正弦图逐列相乘；
S103：对重建后原始CT图像与获得的校正CT图像之间的差异图像应用高斯滤波；滤波后的差异图像被添加到校正的CT图像实现对比度补偿。
下面结合具体实施例对本发明的应用原理作进一步的描述。
本发明实施例的能谱CT基于重建前后图像的环形伪影校正方法包括以下步骤：
步骤一，对投影图像进行预处理
对采集到的水模的投影图像进行有效区域裁剪，仿真实验中采取663×256裁剪大小；对裁剪后的投影数据进行暗场校正和空场校正以减少由于像素间响应不一致性造成的图像误差；对暗场校正和空场校正后的投影数据进行坏点坏线校正；对高亮缝隙进行补偿，利用图像高亮缝隙的右侧一列像素的非正常特性，采取右2补偿右1，高亮像素由左1和右1取平均来补偿。假设图像数据为I0，处理后的图像数据为Ie，则对于缝隙t处的校正方法如下公式：
I'e(t+1,:)＝I0(t+2,:)；
Ie(t,:)＝(Ie(t-1,:)+Ie(t+1,:))*0.5；
对每个小块间的相应不一致性所导致的块与块之间的偏差本发明采取整流的方法进行补偿，利用空场校正的思想对每一个小模块取平均值，每个小模块中的所有像素除以自身小模块的平均值，再乘整张图片的平均值以达到整流的效果。具体实现方法如下公式，其中第t小块，m第t小块的所有像素的平均值，M：整张人图片中所有像素的平均值
Iz＝I(t)/m*M；
对各个图片间存在的相应不一致性，将校正方法融入到环形伪影校正中，通过在正弦域的图像数据中，计算沿正弦图中每个角度的所有行探测器元素平均值，也获得一个一维(1D)平均向量，然后通过取平均向量的逆也计算一个一维校正向量，并将校正矢量与正弦图逐列相乘消除角度间图片的相应不一致造成的偏差，再利用后期的对比度补偿来补偿由于平均后所造成的对比度损失。
步骤二，在正弦域进行校正
在正弦域中对于对应于一个切片的单行检测器，计算沿正弦图中视角的每个探测器元素的平均值，以获得一维(1D)平均向量，然后通过取平均向量的逆来计算一维校正向量，并将校正矢量与正弦图在所有视角上逐行相乘。根据探测器相应的不稳定性，计算沿正弦图中每个角度的所有行探测器元素平均值，也获得一个一维(1D)平均向量，然后通过取平均向量的逆也计算一个一维校正向量，并将校正矢量与正弦图逐列相乘。以平滑了正弦图像中交错的横纹和竖纹，使正弦图像格外干净。
具体实现方法如下公式，在正弦图域中，即X射线探测器逐行2D进行校正。在探测器的第j行处，通过在不同视角处从每个投影图像采取相同的行来制作正弦图Sj(i,k)＝S’(i,j,k)，k＝1,2,3...其中S’是坏点坏线校正后的投影图像；然后，在所有视角上计算第i个像素处的平均值以获得1D平均矢量Mj，在所有视角上计算第i个像素处的平均值以获得1D平均矢量：
校正向量Mj',Mk'如下：
经过校正投影域数据：
在所有列上计算第k个角度处的平均值以获得1D平均矢量，并计算校正向量对进行校正；
校正后投影域横条纹也得到了很好的改善，整个投影图像变得更加的干净。
步骤三，对比度补偿
对重建后的图像进行对比度补偿，由于投影域的校正方法造成投影域度对比度的变化，所以提出的算法的下一步是进行校正前和校正后的投影数据进行重建，重建后分别为D1和D2。对重建后的图像进行差分图的计算,为了恢复对比度分量，选择高斯滤波器以平滑差分图像，平滑等级基于差异图像中环纹影强度的严重程度。在大多数情况下，高斯滤波器大小为15×15，标准偏差为10个像素。具体实现方法如下公式：
D＝D1-D2；
以平滑差高斯滤波差分图像和半校正图像的总和得到最终图像：
下面结合测试对本发明的应用效果作详细的描述。
所采用的实测数据是在100KV电压、3mA电流下扫描的，能量阈值在20kev-65kev范围内的水模投影数据，探测器水平方向像素截取后个数为663，竖直方向像素截取后个数为256，单个像素大小为100微米，利用滤波反投影进行重建。
图3为预处理后环形伪影校正前的重建后CT图像切片图像结果。可以看出图像中还是存在大量的环形伪影。
图4为预处理后环形伪影校正前的正弦域图像结果。可以看出存在大量的横竖条纹。
图5为正弦域进行行校正后的正弦域图像结果。可以看出竖条纹得到了很好的改善。
图6为正弦域进行列校正后的正弦域图像结果。可以看出横条纹也得到了很好的改善。
图7为正弦域校正前和正弦域校正后在重建后切片的CT图像结果。可以看出环形伪影得到了很好的改善，但是对比度信息造成了丢失。
图8为正弦域校正后与校正前在重建后切片的CT图像差值的示意图，和对差值示意图进行滤波后的图像结果。可以看出差值图像中包含了大量的环形伪影信息。
图9为能谱CT基于重建前后图像的环形伪影校正方法校正后的重建后切片CT图像结果。可以看出环形伪影得到了巨大的改善。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于重建前后图像的环形伪影校正方法，其特征在于，所述基于重建前后图像的环形伪影校正方法包括：
步骤一，对投影数据进行预处理，纠正投影域中值接近零或饱和的缺陷像素，平稳投影域中由于光子计数探测器的每一个小探测器间的相应不一致性所造成的信号浮动，去除光子计数探测器的每一个小探测器间存在的高亮缝隙；
步骤二，对于对应于一个切片的单行检测器，计算沿正弦图中视角的每个探测器元素的平均值，以获得一维平均向量，通过取平均向量的逆来计算一维校正向量，并将校正向量与正弦图在所有视角上逐行相乘；根据探测器相应的不稳定性，计算沿正弦图中每个角度的所有行探测器元素平均值，获得一个一维平均向量，然后通过取平均向量的逆也计算一个一维校正向量，并将校正向量与正弦图逐列相乘；
步骤三，对原始CT图像与上一步获得的校正CT图像之间的差异图像应用高斯滤波，使用沿行方向的中值滤波器对差异图进行模糊；滤波后的差异图像被添加到校正的CT图像以补偿由于正弦图中的对比度变化出现的可能的对比度异常。
2.如权利要求1所述的基于重建前后图像的环形伪影校正方法，其特征在于，对投影图像进行特殊的预处理包括：
(1)对采集到的投影图像进行有效区域裁剪，仿体实验中采取663×256裁剪大小；
(2)对裁剪后的投影数据进行暗场校正和空场校正；
(3)对暗场校正和空场校正后的投影数据进行坏点坏线校正；
(4)对高亮缝隙进行补偿，利用图像高亮缝隙的右侧一列像素的非正常特性，采取右2补偿右1，高亮像素由左1和右1取平均来补偿；图像数据为I0，处理后的图像数据为Ie，则对于缝隙t处的校正方法如下公式：
Ie'(t+1,:)＝I0(t+2,:)；
Ie(t,:)＝(Ie(t-1,:)+Ie(t+1,:))*0.5；
(5)对每个小块间的相应不一致性所导致的块与块之间的偏差采取整流的方法进行补偿，利用空场校正的思想对每一个小模块取平均值，每个小模块中的所有像素除以自身小模块的平均值，再乘整张图片的平均值以达到整流的效果；具体实现方法如下公式，其中:第t小块，m:第t小块的所有像素的平均值，M：整张图片中所有像素的平均值：
Iz＝I(t)/m*M；
(6)对各个图片间存在的相应不一致性，将校正方法融入到环形伪影校正中，通过在正弦域的图像数据中，计算沿正弦图中每个角度的所有行探测器元素平均值，也获得一个一维平均向量，然后通过取平均向量的逆也计算一个一维校正向量，并将校正向量与正弦图逐列相乘消除角度间图片的相应不一致造成的偏差，再利用后期的对比度补偿来补偿由于平均后所造成的对比度损失。
3.如权利要求1所述的基于重建前后图像的环形伪影校正方法，其特征在于，利用分步的方法分别在正弦域和重建后的图像域分别进行处理，在正弦域进行半校正处理，在重建后的图像域进行对比度补偿。
4.如权利要求3所述的基于重建前后图像的环形伪影校正方法，其特征在于，在正弦域中对于对应于一个切片的单行检测器，计算沿正弦图中视角的每个探测器元素的平均值，以获得一维平均向量，然后通过取平均向量的逆来计算一维校正向量，并将校正向量与正弦图在所有视角上逐行相乘；根据探测器相应的不稳定性，计算沿正弦图中每个角度的所有行探测器元素平均值，也获得一个一维平均向量，然后通过取平均向量的逆也计算一个一维校正向量，并将校正向量与正弦图逐列相乘。
5.如权利要求4所述的基于重建前后图像的环形伪影校正方法，其特征在于，在正弦图域中，X射线探测器逐行2D进行校正，在探测器的第j行处，通过在不同视角处从每个投影图像采取相同的行来制作正弦图Sj(i,k)＝S’(i,j,k)k＝1,2,3...其中S’是坏点坏线校正后的投影图像；然后，在所有视角上计算第i个像素处的平均值以获得1D平均矢量Mj；在所有视角上计算第i个像素处的平均值以获得1D平均矢量：
校正向量Mj',Mk'如下：
经过校正投影域数据：
在所有列上计算第k个角度处的平均值以获得1D平均矢量，并计算校正向量；
6.如权利要求1所述的基于重建前后图像的环形伪影校正方法，其特征在于，对重建后的图像进行差分图的计算，选择高斯滤波器以平滑差分图像，高斯滤波器大小为15×15，标准偏差为10个像素，具体实现方法如下:
D＝D1-D2；
以平滑差高斯滤波差分图像和半校正图像的总和得到最终图像：
7.一种包含权利要求1-6任意一项所述基于重建前后图像的环形伪影校正方法的锥束CT成像平台。
8.一种包含权利要求1-6任意一项所述基于重建前后图像的环形伪影校正方法的扇束CT成像平台。
9.一种包含权利要求1-6任意一项所述基于重建前后图像的环形伪影校正方法的平行束CT成像平台。
10.一种包含权利要求1-6任意一项所述基于重建前后图像的环形伪影校正方法的CT控制系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811538073.0A CN109801343B (zh) | 2018-12-16 | 2018-12-16 | 基于重建前后图像的环形伪影校正方法、ct控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811538073.0A CN109801343B (zh) | 2018-12-16 | 2018-12-16 | 基于重建前后图像的环形伪影校正方法、ct控制系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109801343A CN109801343A (zh) | 2019-05-24 |
| CN109801343B true CN109801343B (zh) | 2023-05-26 |
Family
ID=66556827
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811538073.0A Active CN109801343B (zh) | 2018-12-16 | 2018-12-16 | 基于重建前后图像的环形伪影校正方法、ct控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109801343B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110264535A (zh) * | 2019-06-13 | 2019-09-20 | 明峰医疗系统股份有限公司 | 一种去除ct锥束伪影的重建方法 |
| CN111047659B (zh) * | 2019-11-08 | 2023-06-30 | 湖北科技学院 | 结合滤波方法的ct环形伪影的校正方法 |
| CN111053568B (zh) * | 2019-12-30 | 2021-10-08 | 苏州瑞派宁科技有限公司 | Ct图像中环形伪影的校正方法、装置及计算机存储介质 |
| CN111553960B (zh) * | 2020-04-24 | 2023-04-07 | 重庆大学 | 一种基于投影均值图像的环状伪影快速校正方法 |
| CN113223109B (zh) * | 2021-05-27 | 2022-08-12 | 明峰医疗系统股份有限公司 | 一种基于ct轴扫描的坏点校正方法 |
| CN116433785A (zh) * | 2021-12-31 | 2023-07-14 | 中国石油天然气股份有限公司 | Ct图像环状伪影的处理方法、装置、系统及存储介质 |
| CN115439353B (zh) * | 2022-08-23 | 2023-11-07 | 南方医科大学南方医院 | Ct图像环形伪影校正方法、系统及存储介质 |
| CN117808718B (zh) * | 2024-02-29 | 2024-05-24 | 江西科技学院 | 基于互联网的提升医学影像数据质量的方法及系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006082563A1 (en) * | 2005-02-03 | 2006-08-10 | Koninklijke Philips Electronics N.V. | Radial adaptive filter for metal artifact correction |
| CN103445803B (zh) * | 2013-09-09 | 2015-09-30 | 深圳先进技术研究院 | 基于正弦图的ct系统射束硬化消除方法及其系统 |
| CN106056645B (zh) * | 2016-05-25 | 2018-12-28 | 天津商业大学 | 基于频域分析的ct图像平移运动伪影校正方法 |
-
2018
- 2018-12-16 CN CN201811538073.0A patent/CN109801343B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109801343A (zh) | 2019-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109801343B (zh) | 基于重建前后图像的环形伪影校正方法、ct控制系统 | |
| CN102800073B (zh) | 一种锥束ct环形伪影的自动判别与校正方法 | |
| Ghani et al. | Deep learning based sinogram correction for metal artifact reduction | |
| JP5315157B2 (ja) | 情報処理装置、ライン状ノイズ低減処理方法、及びプログラム | |
| CN111553960B (zh) | 一种基于投影均值图像的环状伪影快速校正方法 | |
| Abu Anas et al. | Comparison of ring artifact removal methods using flat panel detector based CT images | |
| CN103400361B (zh) | 一种口腔ct中基于阈值的增益校正算法 | |
| CN110717956A (zh) | 一种有限角投影超像素引导的l0范数最优化重建方法 | |
| CN103810735A (zh) | 一种低剂量x射线ct图像统计迭代重建方法 | |
| CN103164846A (zh) | 一种基于转向核估计的红外条纹非均匀性校正方法 | |
| CN106296763A (zh) | 一种金属材料工业ct图像质量快速校正方法 | |
| CN111161182B (zh) | Mr结构信息约束的非局部均值引导的pet图像部分容积校正方法 | |
| CN111161183B (zh) | 一种口腔ct中平板探测器坏像素点校正方法 | |
| US8989462B2 (en) | Systems, methods and computer readable storage mediums storing instructions for applying multiscale bilateral filtering to magnetic resonance (RI) images | |
| CN103886552A (zh) | 一种去除x射线影像滤线栅条纹的方法及系统 | |
| Anas et al. | High-quality 3D correction of ring and radiant artifacts in flat panel detector-based cone beam volume CT imaging | |
| Faber et al. | Motion correction of pet brain images through deconvolution: I. theoretical development and analysis in software simulations | |
| CN104463831B (zh) | 一种x线平板探测器图像坏线的修补方法 | |
| CN115588060A (zh) | 基于投影平均图像的快速ct环形伪影校正方法及系统 | |
| US9349171B2 (en) | Statistical property preserved bad line correction | |
| CN104599248B (zh) | 一种多尺度时域矩匹配非均匀性校正方法 | |
| Hakim et al. | Statistical-based Stripe Noise Correction on LAPAN Microsatellite Imagery | |
| Kornilov et al. | Inpainting of ring artifacts on microtomographic images by 3D CNN | |
| CN111652820A (zh) | 校正红外图像条纹非均匀性的方法、装置与图像处理系统 | |
| JP5855210B2 (ja) | 情報処理装置、ライン状ノイズ低減処理方法、及びプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |